降雨量与脑卒中入院的关联性：基于分布滞后非线性模型

随着老龄化、城镇化、工业化进程加快和行为危险因素流行，脑卒中导致的死亡及疾病负担在我国总死亡和疾病负担中的占比巨大。脑卒中发病急，病因复杂，已有研究表明，气象因素与脑卒中发病有一定的关系［1］。

降雨量是一个重要的气象指标，既往研究表明其与心脑血管疾病发病相关，如降雨量对心血管疾病住院率的影响、降水量增加与住院的发病率增加有关［2］，与缺血性脑卒中住院率减少有关［3］。KINTOKI MBALA等［4］研究表明降雨量减少与缺血性脑卒中之间存在正相关关系，降雨量增加与出血性脑卒中之间存在正相关关系。有研究显示，较高的空气湿度会增加卒中的风险［5］。目前，降雨量与脑卒中入院关系的研究较少，且结果并不一致。因此，本研究旨在采用分布滞后非线性模型（distributed lag nonlinear model，DLNM）研究2015—2019年南昌市降雨量与脑卒中入院例数的关联性，为相关部门制定脑卒中综合防治策略和措施提供科学依据。

1　资料与方法

1.1　数据来源

脑卒中入院数据来自江西省卫生健康委员会信息中心DRGs（diagnosis related groups）管理系统，脑卒中的诊断基于国际疾病分类第10版（ICD-10）编码：I60~I69。病例信息主要包括入院日期、住院时间、性别、年龄等临床信息。病例纳入标准：年龄≥18岁，住院时长>24 h，研究期间首次住院，并诊断为脑卒中，医疗类别为住院的所有脑卒中患者。数据先由江西省11个地级市二、三级综合医院上传至江西省卫生健康委员会信息中心，信息中心对数据进行统一的标准化，逻辑查错以及疾病编码校对，以确保数据的完整性及准确性。

2015—2019年每日气象资料来源于南昌市气象基站数据，包括日最高温、日最低温、均温、湿度、风向、风速、能见度、云量、大气压、降雨量。每日大气污染物资料来源于全国城市空气质量实时发布平台，包括大气颗粒物PM10、PM2.5、臭氧（O3）、二氧化硫（SO2）、一氧化碳（CO）、二氧化氮（NO2）。

1.2　统计学方法

对研究期间的脑卒中入院病例资料、气象资料进行统计描述，将脑卒中入院例数按照春季（3~5月）、夏季（6~8月）、秋季（9~11月）和冬季（12月~次年2月）进行分组，获得脑卒中入院的季节性特点。计数资料以相对数表示，对大气污染物、气象因素进行Spearman秩相关分析，采用DLNM定量探索降雨量对脑卒中入院的影响，其中脑卒中每日入院例数为因变量，由于日平均气温、日最高气温、日最低气温之间存在高度相关性，为避免多重共线性对模型的影响，在构建模型时，只取了日最低气温这一指标，因其与脑卒中入院的相关系数r最大，然后按照向前逐步回归进行变量筛选，以降雨量为研究变量，将筛选出的大气污染物和气象因素作为混杂变量，控制长期趋势、星期几效应和节假日效应，构建DLNM模型，最终模型如下：

log［E（Yt）］=α+βCb.rainfall+NS（time，ν）+DOW+holiday+PM10+SO2+NO2+O3+fs+lt+njd+airpressure

式中Yt为脑卒中日入院例数，α为截距，Cb.rainfall为降雨量与滞后时间的交叉基，β为Cb.rainfall系数，NS为自然立方样条函数，ν为自由度，time为时间变量，DOW为星期几效应，holiday为节假日效应，fs为风速，lt为日最低气温，njd为能见度，airpressure为气压。

根据广义赤池信息量准则（quasi-likelihood for Akaike's information criterion，Q-AIC），选择最长滞后时间为7 d，绘制降雨量在不同滞后时间下对脑卒中入院影响的三维关联图；根据既往类似研究［6-7］，确定气象因素的自由度均为3，大气污染物的自由度为4，时间趋势变量每年的自由度为7。建立模型后，绘制相应的滞后效应分布图，并按性别、年龄分层，分析降雨量对脑卒中入院的影响。lag代表滞后天数，所有分析采用R 4.1.2软件进行，双侧检验水准α=0.05。

2　结果

2.1　脑卒中病例入院特征和季节性变化特征

2.1.1　脑卒中病例入院特征：2015—2019年南昌市共报告脑卒中病例79 523例，其中缺血性脑卒中59 193例，出血性脑卒中20 330例。在脑卒中总病例数及缺血性脑卒中、出血性脑卒中患者中，男性占比均较大；在缺血性脑卒中入院病例中，65岁及以上老年人（68.23%）所占比例较大，而在出血性卒中入院病例中，65岁以下人群（62.12%）所占比例较大，详见表1。

2.1.2　脑卒中入院季节性变化特征及降雨量分布：2015年脑卒中急性发作病例数为13 666例，2016年16 998例，2017年15 078例，2018年16 353例，2019年17 428例。不同年份脑卒中急性发作的季节分布比较，差异有统计学意义（χ2=25.405，P=0.013，表2）。降水量每年分布差异不大（图1）。

2.2　大气污染物及气象资料主要特征描述及与脑卒中的相关性分析

大气污染物及气象因素均为偏态分布，故用中位数及四分位间距表示16个变量的集中趋势和离散趋势（表3），采用Spearman秩相关分析计算各变量之间的相关性（图2），结果显示：脑卒中急性发作总人数与PM10、NO2、日温差、气压呈正相关关系（P<0.05），与SO2、O3、日最高温、日最低温、日均温、风速、降雨量呈负相关关系（P<0.05），其中缺血性脑卒中急性发作与NO2、日最高温、日最低温、日均温、日温差、风向、能见度呈正相关关系（P<0.05），与SO2、湿度、风速、降雨量呈负相关关系（P<0.05）；出血性脑卒中与PM2.5、PM10、NO2、气压呈正相关关系（P<0.05），与SO2、O3、日最高温、日最低温、日均温、日温差、风速、风向、能见度呈负相关关系（P<0.05，图2）。

2.3　降雨量与脑卒中入院的滞后效应分析

由降雨量对脑卒中入院影响的3D图（图3）可知，降雨量越大，降雨量对脑卒中入院的当日影响越弱，而滞后2 d与滞后6 d时，随降雨量的增多，降雨量对脑卒中入院的影响逐渐增强。降雨量对缺血性脑卒中入院的影响与对脑卒中入院的影响类似；对出血性脑卒中入院的影响表现出了显著的滞后性，对出血性脑卒中入院的效应在滞后1~2 d出现。降雨量对脑卒中入院、缺血性脑卒中入院、出血性脑卒中入院的影响的累积效应在各滞后期均无统计学意义（图4）。

由图5可知，降雨量与脑卒中日发作人数为非线性关系。以降雨量0 mm为参照，降雨量对脑卒中急性发作的效应在lag1、lag2最大，RR值均为1.009，95%CI分别为1.000~1.019、1.001~1.016。降雨量对缺血性脑卒中的主要效应为lag1、lag2，RR均为1.011，95%CI分别为1.000~1.022、1.002~1.020，对出血性脑卒中的主要效应为lag1，RR为1.004（95%CI=0.987~1.020）。

2.3.1　按性别分层的降雨量与脑卒中入院的关联性：降雨量对男性脑卒中急性发作人数的主要效应为lag6，RR值为1.003（P>0.05），对女性脑卒中急性发作人数的主要效应为lag1和lag2，RR值分别为1.018（95%CI=1.004~1.031）、1.020（95%CI=1.009~1.031），对男、女性缺血性脑卒中发病人数的效应同上。对男性出血性脑卒中发病人数的主要效应为lag5（RR=1.004，95%CI=0.988~1.020），对女性出血性脑卒中发病人数的主要效应为lag1（RR=1.021，95%CI=0.996~1.047），见图6。

2.3.2　按年龄分层的降雨量与脑卒中入院的关联性：降雨量对65岁以下缺血性脑卒中急性发作人数的主要效应为lag1（RR=1.016，95%CI=1.003~1.030）、lag2（RR=1.018，95%CI=1.007~1.029），对65岁及以上缺血性脑卒中急性发作人数的主要效应为lag6（RR=1.015，95%CI=0.999~1.031），对65岁及以上出血性脑卒中急性发作人数的主要效应为lag1（RR=1.004，95%CI=0.984~1.025）、lag2（RR=1.004，95%CI=0.987~1.021），对65岁以下出血性脑卒中急性发作人数的主要效应为lag6（RR=1.005，95%CI=0.980~1.029），见图7。

3　讨论

本研究旨在了解脑卒中急性发作患者的入院特征，采用DLNM探讨降雨量与脑卒中入院的关联性，为做好脑卒中的综合防治提供科学依据。本研究结果显示，脑卒中入院患者中，男性、年龄≥65岁人群占比更多，与诸多研究结果一致［8-10］。值得注意的是，在出血性脑卒中入院病例中65岁以下人群所占比例较大。中山市一项研究表明，年轻人群（35~64岁）和65岁及以上人群急性心肌梗死和脑卒中发病分别占总数的30.53%、68.09%，年轻化趋势显著［11］，本研究结果与之相似。同样还有研究表明，中国低收入人群中脑卒中发病有年轻化趋势［12］。

在降雨量与脑卒中发病的滞后效应分析中，控制了时间趋势、星期几效应及其他混杂因素后，发现降雨量与脑卒中日发作人数在lag0为负相关关系。但也有研究发现降雨量与心脑血管疾病门诊量呈正相关关系［13］，这可能是因为心脑血管疾病包含的疾病种类较多，就可能存在降雨量与心脑血管疾病的某些类疾病的发病存在关联，从而显示出这种结果。以降雨量0 mm为参照，降雨量对脑卒中急性发作的效应在lag1、lag2最大，说明降雨量对脑卒中急性发作的滞后效应主要在lag1和lag2，且对缺血性脑卒中的影响较出血性脑卒中大。同样有研究表明，极端降水可能增加缺血性脑卒中住院的风险［14］，日本一项研究也显示高年降雨量与卒中发病风险增加相关［15］。关于降雨与脑卒中入院的可能机制主要有：（1）在潮湿的环境中，身体排汗能力降低，钠离子和氯离子的排除被阻断，可能引起血压升高［16］，而高血压是缺血性脑卒中的高风险因素。（2）降水可以增加细菌和病毒的传播，而急性细菌或病毒感染会增加急性缺血性脑卒中的风险［17］。

本研究还按年龄、性别进行了分层分析，探究哪类人群更易受到降雨量的影响，结果显示降雨量对男性脑卒中急性发作人数的主要效应无统计学意义，女性更容易受降雨的影响增加脑卒中入院风险；对65岁以下缺血性脑卒中急性发作人数的主要效应为lag1（RR=1.016，95%CI=1.003~1.030）、lag2（RR=1.018，95%CI=1.007~1.029）。合肥一项研究表明，男性和65岁以上的人对极端降水更敏感［14］，本研究结果与之不同；但也有研究显示，在降雨量较高的社区中，妇女的卒中发病率高于其他社区妇女［15］，这可能是气压这一混杂因素在高降雨量和卒中之间呈正相关关系，气压低的地区降雨更多，已知低气压会增加凝血酶原和凝血酶-抗凝血酶复合物的浓度，并增强因子ⅤⅡa的活性。而且，潮湿空气中粉尘的传播会增加，接触的有毒物质也会增加［18］。

本研究尚存在一定的局限性：（1）仅分析了南昌这一个地区。（2）降雨等监测数据来自监测站，并不能准确代表个人的暴露量，生态学偏倚难以避免。

4　小结

基于南昌市数据，短期暴露于较高降雨量可增加脑卒中入院风险，降雨量暴露对于女性、65岁以下人群更为敏感。近年来随着极端天气的强度、频率的持续时间不断增加，健康适应政策应关注降雨量增加的影响，做好极端天气健康风险预警，提醒脑卒中好发的敏感人群关注极端天气的健康风险并做好防护。

参考文献略

引用本文：曾繁艳，杨学智，刘星雨，等. 降雨量与脑卒中入院的关联性：基于分布滞后非线性模型［J］. 中国全科医学，2024，27（20）：2458-2465. DOI：10.12114/j.issn.1007-9572.2024.0010.